欺诈分析

欺诈分析是检测和监控欺诈的技术方法，当人们故意秘密行动剥夺他人有价值的东西时，欺诈就会发生。欺诈分析可以在交易完成之前（欺诈预防）或交易发生之后（欺诈检测）进行。欺诈分析可帮助企业降低与欺诈相关的成本。

财务欺诈可以是公司性的，例如财务报表被伪造、对冲基金虚假报告回报或股票市场操纵危及法规遵从性。欺诈也可以发生在医疗保健和保险领域，也可以通过身份盗窃（信用卡）、洗钱和逃税等方式发生。

由于监管较少，对冲基金收益操纵更容易发生欺诈。这是由于管理者在评估非流动性投资或实施彻底欺诈时的不当行为造成的。

欺诈分析中最常用的技术是人工智能（AI）、机器学习、深度学习和统计分析。您可以使用MATLAB应用这些技术^®检测哪些银行交易可能存在欺诈行为。

• 机器学习（有监督的或无监督的）可以在检测异常时以高度的准确性指示欺诈的可能性。
  • 在里面监督学习（回归，分类），历史交易被标记为欺诈或真实。然后，这些记录被用于训练算法，从而推断出一个函数，该函数能够将未来交易分类为合法或不合法。回归中的一个典型示例是预测欺诈金额。
  • 无监督学习不要求将历史观察结果标记为欺诈性或非欺诈性，对于没有历史欺诈数据的公司非常有用。
• 数据挖掘和模式识别用于检测欺诈相关数据中有意义的模式或趋势。
• 统计分析包括一个分析框架，用于计算统计参数，以识别可能指示欺诈模式的异常值。

最后，本福德定律可以作为检测欺诈的指标。用于欺诈分析的其他指标包括基于回报的和基于文本的。

有关欺诈分析的更多信息，请参阅统计和机器学习工具箱™,深度学习工具箱™, 和文本分析工具箱™.